OpenCV圖像處理經常使用手段 | 文末問答贈書

點擊上方「AI算法與圖像處理」，選擇加"星標"或「置頂」

重磅乾貨，第一時間送達

文末新功能嘗試，回答贈書，點贊數最多者（歡迎你們參與）

圖像二值化操做

兩種方法，全局固定閾值二值化和局部自適應閾值二值化

全局固定閾值很容易理解，就是對整幅圖像都是用一個統一的閾值來進行二值化；

局部自適應閾值則是根據像素的鄰域塊的像素值分佈來肯定該像素位置上的二值化閾值。

效果：

 腐蝕操做

濾波操做，模糊處理

模糊處理在邊沿檢測和去噪聲方面有較爲普遍的應用。OpenCV中提供了4種模糊算法，列舉以下：

• average

• median

• gaussian

• bilateral

這裏咱們只列舉使用 均值濾波實現圖像模糊：

canny邊緣檢測

將原始圖像轉化爲灰度圖，用blur函數進行圖像模糊以降噪，而後用canny函數進行邊緣檢測。

 直方圖均衡化

顯然均衡化後的圖片對比度變高了，變得更加明亮！

最後簡單總結一下圖像處理中概念

離散傅里葉變換

圖像高頻部分表明了圖像的細節、紋理信息；低頻表明了圖像的輪廓信息。

低通-》模糊

高通-》銳化

腐蝕和膨脹是針對白色部分（高亮部分）而言的。膨脹就是對圖像高亮部分進行「領域擴張」，效果圖擁有比原圖更大的高亮區域；腐蝕是原圖中的高亮區域被蠶食，效果圖擁有比原圖更小的高亮區域。

開運算：先腐蝕再膨脹，用來消除小物體

閉運算：先膨脹再腐蝕，用於排除小型黑洞

形態學梯度：就是膨脹圖與腐蝕圖之差，用於保留物體的邊緣輪廓。

頂帽：原圖像與開運算圖之差，用於分離比鄰近點亮一些的斑塊。

黑帽：閉運算與原圖像之差，用於分離比鄰近點暗一些的斑塊。

文末新功能嘗試，回答贈書，點贊數最多者（歡迎你們參與）

請提早添加小編微信：nvshenj125，方便後續聯繫。

戳！

     
 
 
      
 

     

     
     
     
      
      
               
      

     
 
 
      下載1 

     

     
     
     
      
      
               
      

     
 
 
      在「AI算法與圖像處理」公衆號後臺回覆：yolov4， 
 
      便可下載  
 
      YOLOv4 trick相關論文 

     

     
     
     
      
      
               
      

     
 
 
      
 

     

     
     
     
      
      
               
      

     
 
 
      下載2 

     

     
     
     
      
      
               
      

     
 
 
      在「AI算法與圖像處理」公衆號後臺回覆： 
 
      OpenCV實戰項目20講 
 
      ，便可下載20個有趣的OpenCV實戰項目 

     

     
     
     
      
      
               
      

     
 
 
      
 
 
      
 

     

     
     
     
      
      
               
      

     
 
 
      我的微信（若是沒有備註不拉羣！） 

     

     
     
     
      
      
               
      

     
 
 
      請註明： 
 
      地區+學校/企業+研究方向+暱稱 

     

     
     
     
      
      
               
      

     
 
 
      
 

     

本文分享自微信公衆號 - AI算法與圖像處理（AI_study）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。